首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >在Matlab中计算双图的频率

问在Matlab中计算双图的频率
EN

Stack Overflow用户
提问于 2014-09-12 10:53:01
回答 5查看 1.2K关注 0票数 1

我试着计算并绘制出比克频率的分布,首先,我生成了所有可能的比格,给出了1296个比例尺。

然后从给定的文件中提取出大图,并将它们保存在words1中。

我的问题是如何为文件a.txt计算这1296个比例尺的频率?如果文件中根本没有出现一些大图,那么它们的频率应该是零。

a.txt是任何文本文件

代码语言:javascript
复制
clear
clc
%************create bigrams 1296 ***************************************
chars ='1234567890abcdefghijklmonpqrstuvwxyz';
chars1 ='1234567890abcdefghijklmonpqrstuvwxyz';
bigram='';
for i=1:36
for j=1:36

bigram = sprintf('%s%s%s',bigram,chars(i),chars1(j));

end
end
temp1 = regexp(bigram, sprintf('\\w{1,%d}', 1), 'match');
temp2 = cellfun(@(x,y) [x '' y],temp1(1:end-1)', temp1(2:end)','un',0);
bigrams = temp2;
bigrams = unique(bigrams);
bigrams =  rot90(bigrams);
bigram = char(bigrams(1:end));
all_bigrams_len = length(bigrams);
clear temp temp1 temp2 i j chars1 chars;

%****** 1. Cleaning Data ******************************
collection = fileread('e:\a.txt');
collection = regexprep(collection,'<.*?>','');
collection = lower(collection);
collection = regexprep(collection,'\W','');
collection = strtrim(regexprep(collection,'\s*',''));

%*******************************************************

temp = regexp(collection, sprintf('\\w{1,%d}', 1), 'match');
temp2 = cellfun(@(x,y) [x '' y],temp(1:end-1)', temp(2:end)','un',0);
words1 = rot90(temp2);

%*******************************************************
words1_len = length(words1);
vocab1 = unique(words1);
vocab_len1 = length(vocab1);
[vocab1,void1,index1] = unique(words1);
frequencies1 = hist(index1,vocab_len1);
EN

回答 5

Stack Overflow用户

回答已采纳

发布于 2014-09-12 12:25:58

I.字符串的字符计数问题

基于bsxfun的字符计数解决方案-

代码语言:javascript
复制
counts = sum(bsxfun(@eq,[string1-0]',65:90))

产出-

代码语言:javascript
复制
counts =

    2     0     0     0     0     2     0     1     0     0 ....

如果你想用表格输出每一个字母的计数-

代码语言:javascript
复制
out = [cellstr(['A':'Z']') num2cell(counts)']

产出-

代码语言:javascript
复制
out = 
    'A'    [2]
    'B'    [0]
    'C'    [0]
    'D'    [0]
    'E'    [0]
    'F'    [2]
    'G'    [0]
    'H'    [1]
    'I'    [0]

....

请注意,这是一个区分大写字母的计数.

对于小写字母计数,请对前面的代码使用此编辑-

代码语言:javascript
复制
counts = sum(bsxfun(@eq,[string1-0]',97:122))

对于不区分大小写的计数,用这个-

代码语言:javascript
复制
counts = sum(bsxfun(@eq,[upper(string1)-0]',65:90))

二.比格计数案

假设您将所有可能的bigram保存在一个一维单元格数组bigrams1中,并且从文件中传入的bigram被保存到另一个单元格数组words1中。让我们也假设其中的某些价值,以供示范-

代码语言:javascript
复制
bigrams1 = {
    'ar';
    'de';
    'c3';
    'd1';
    'ry';
    't1';
    'p1'}

words1 = {
    'de';
    'c3';
    'd1';
    'r9';
    'yy';
    'de';
    'ry';
    'de';
    'dd';
    'd1'}

现在,您可以通过以下代码从words1中获得bigrams1中存在的大图的计数-

代码语言:javascript
复制
[~,~,ind] = unique(vertcat(bigrams1,words1));
bigrams_lb = ind(1:numel(bigrams1)); %// label bigrams1
words1_lb = ind(numel(bigrams1)+1:end);  %// label words1
counts = sum(bsxfun(@eq,bigrams_lb,words1_lb'),2)
out = [bigrams1 num2cell(counts)]

代码运行的输出是-

代码语言:javascript
复制
out = 
    'ar'    [0]
    'de'    [3]
    'c3'    [1]
    'd1'    [2]
    'ry'    [1]
    't1'    [0]
    'p1'    [0]

结果表明-第一个元素ar从所有可能的bigram列表中没有在words1中找到;第二个元素de在words1中有三次出现,等等。

票数 2
EN

Stack Overflow用户

发布于 2014-09-12 11:22:43

嘿,类似于丹尼斯的解决方案,您可以只使用histc()

代码语言:javascript
复制
string1 = 'ASHRAFF'
histc(string1,'ABCDEFGHIJKLMNOPQRSTUVWXYZ')

这将检查由字符串'ABCDEFGHIJKLMNOPQRSTUVWXYZ' (希望是字母表)定义的回收箱中的条目数(只是写得很快,所以没有保存)。结果是:

代码语言:javascript
复制
  Columns 1 through 21

     2     0     0     0     0     2     0     1     0     0     0     0     0     0     0     0     0     1     1     0     0

  Columns 22 through 26

     0     0     0     0     0

只是对我的解决方案做了一点修改:

代码语言:javascript
复制
string1 = 'ASHRAFF'
alphabet1='A':'Z'; %%// as stated by Oleg Komarov
data=histc(string1,alphabet1);
results=cell(2,26);
for k=1:26
    results{1,k}= alphabet1(k);
    results{2,k}= data(k);
end

如果您现在查看results,您可以很容易地检查它是否有效:D

票数 2
EN

Stack Overflow用户

发布于 2014-09-12 14:39:43

这个答案创建了所有的大写,文件中的加载做了一些清理,ans然后使用unique和histc的组合来计数行。

生成所有的大图

注意,这里的顺序很重要,因为唯一将数组排序,这样就可以预先创建数组,以便输出与期望相匹配;

代码语言:javascript
复制
[y,x] = ndgrid(['0':'9','a':'z']);
allBigrams = [x(:),y(:)];

阅读文件

这将移除大写,只需提取任意0-9或a-z字符,然后创建以下列向量

代码语言:javascript
复制
fileText = lower(fileread('d:\loremipsum.txt'));
cleanText = regexp(fileText,'([a-z0-9])','tokens');
cleanText = cell2mat(vertcat(cleanText{:}));

从文件中移动一个并连接起来创建大图

代码语言:javascript
复制
fileBigrams = [cleanText(1:end-1),cleanText(2:end)];

获得计数

将所有bigram的集合添加到我们的集合中(因此,所有可能的值都会被创建)。然后使用...,1296的第三个输出为每个唯一的行分配一个值∈{1,2,unique}。然后用histc创建计数,其中的回收箱等于unique输出的一组值,从每个回收站减去1,以删除我们添加的完整的集合比格。

代码语言:javascript
复制
[~,~,c] = unique([fileBigrams;allBigrams],'rows');
counts = histc(c,1:1296)-1;

显示

查看文本计数

代码语言:javascript
复制
[allBigrams, counts+'0']

或者是更有用的东西..。

代码语言:javascript
复制
[sortedCounts,sortInd] = sort(counts,'descend');
[allBigrams(sortInd,:), sortedCounts+'0']


ans =

or9
at8
re8
in7
ol7
te7
do6 ...
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/25806657

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档